需要源码和图片请点赞关注收藏后评论区留言私信~~~
Opencv提供了三种人脸识别方法，分别是Eigenfaces，Fisherfaces，LBPH这三种放噶都是通过对比样本最终实现人脸识别，因为这三种算法提取特征的方式不一样，侧重点不一样，所以不能分出孰优孰劣，只能说每种方法都有各自的风格
Eigenfaces人脸识别器
Eigenfaces也叫做特征脸，它通过pca主成分分析方法将人脸数据转换到另一个空间维度做相似性计算，在计算过程中，算法可以忽略一些无关紧要的数据，仅识别一些具有代表性的特征数据，最后根据这些特征识别人脸
开发者需要通过以下三种方法完成人脸识别操作
通过cv2.face.EigenFaceRecognizer_create()方法创建Eigenfaces人脸识别器 语法如下
recognizer=cv2.face.EigenFaceRecognizer_create(num_components,threshold)
参数说明如下
num_components:可选参数 pca方法中保留的分量个数，建议使用默认值
threshold:可选参数 人脸识别时使用的阈值 建议使用默认值
recognizer:创建的eigenfaces人脸识别器对象
创建识别器对象后，需要通过对象的train方法训练识别器，建议每个人都给出两张以上的人脸图像作为训练样本 语法如下
recognizer.train(src,labels)
参数说明
src 用来训练的人脸图像样本列表 格式为list 样本图像必须宽高一致
label 样本对应的标签 格式为数组元素类型为整数 数组长度必须与样本列表长度相同，样本与标签按照插入顺序一一对应
训练识别器后可以通过识别器的predict方法识别人脸，该方法对比样本的特征，给出最相近的结果和评分 语法如下
label,confidence=recognizer.predice(src)
src 需要识别的人脸图像 该图像宽高必须与样本一致
label 与样本匹配程度最高的标签值
confidence 匹配程度最高的信用度评分，评分小于5000匹配程度较高，0分表示两幅图像完全一样
下面通过一个实例演示eigenfaces人脸识别器的用法 结果如下
以两个人的照片作为训练样本，第一个人照片如下图所示
第二个人照片如下
待识别照片如下
程序输出如下
confidence=18669.72829
Summer
程序对比样本特征分析得出，被识别的人物特征最接近的是Summer
部分代码如下
import cv2 import numpy as np photos = list() # 样本图像列表 lables = list() # 标签列表 photos.append(cv2.imread("face\\summer1.png", 0)) # 记录第1张人脸图像 lables.append(0) # 第1张图像对应的标签 photos.append(cv2.imread("face\\summer2.png", 0)) # 记录第2张人脸图像 lables.append(0) # 第2张图像对应的标签 photos.append(cv2.imread("face\\summer3.png", 0)) # 记录第3张人脸图像 lables.append(0) # 第3对应的标签 photos.append(cv2.imread("face\\Elvis1.png", 0)) # 记录第4张人脸图像 lables.append(1) # 第4对应的标签 photos.append(cv2.imread("face\\Elvis2.png", 0)) # 记录第5张人脸图像 lables.append(1) # 第5张图像对应的标签 photos.append(cv2.imread("face\\Elvis3.png", 0)) # 记录第6张人脸图像 lables.append(1) # 第6张对应的标签 names = {"0": "Summer", "1": "Elvis"} # 标签对应的名称字典 = cv2.face.EigenFaceRecognizer_create() # 创建特征脸识别器 recognizer.train(phoos, np.array(lables)) # 识别器开始训练 i = cv2.imread("face\\.png", 0) # 待识别的人脸图像 label, confidene == " + str(confidence)) # 打印评分 print(names[str(label)]) # 数组字典里标签对应的名字 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
创作不易 觉得有帮助请点赞关注收藏~~~
